بكار بردن شبكه عصبي ويونت در تخمين تراوايي

یكی از مهمترین پارامترهایی كه در صنعت نفت مورد توجه قرار گرفته است، تراوایی میباشد. این پارامتر نقش بسیار مهمی در برآورد میزان بهره برداری نفت و گاز، ایفا می كنند كه دانش صحیح از این پارامتر به مهندسان نفت اجازه میدهد تا ابزار كافی برای كاهش ریسك و عدم قطعیت كشف مخازن نفت و گاز را داشته باشند. در این مقاله، یك روش جایگزین تخمین پارامترهای پتروفیزیكی ارائه شده است كه مبتنی بر یكپارچهسازی تئوری موجك و شبكه عصبی مصنوعی است كه شبكه ویونت نامیده می شود. هدف این پژوهش توسعه ی مدلی جهت تخمین تراوایی می باشد كه موجك مورلت به عنوان توابع فعالسازی برای پیش بینی پارامتر تراوایی استفاده شد. كارایی این نوع شبكهها در یادگیری تابع و تخمین با شبكههای عصبی مصنوعی مقایسه شده است. نتایج نشان داد كه شبكه ویونت با تابع فعالسازی مورلت با ضریب همبستگی ۹۶٪ نسبت به شبكه عصبی با ضریب همبستگی ۹۱٪ عملكرد بهتری را دارد.